3.2 卷积特征提取.md

卷积的目的

• 利用不同尺寸的卷积核提取不同尺度的图像特征，同一尺寸的不同卷积核提取相同大小的不同角度的特征。

• tf.nn.conv2d()

卷积padding类别

• same padding:给平面外部补0
• valid padding:不会超出平面外部，卷积窗口采样后得到一个比原来平面小的平面

卷积padding的目的

• 防止多次卷积后局部特征消失，以及保留图像边角区域的特征

池化的目的

• 保证局部特征平移的不变性
• 保留图像中重要的特征
• 具有抗干扰的作用
• 减少过拟合

池化的种类

• 最大池化 tf.nn.max_pool2d()

• 平均池化 tf.nn.avg_pool2d()

池化padding种类

• same padding:可能会给平面外部补0

• valid padding:不会超出平面外部

---

图像处理软件 GIMP

---

RELU 函数的优缺点：

• 优点：快速收敛；解决梯度消失问题

• 缺点：神经元死亡问题

  def relu_function(x): return np.maximun(0,x)

  x = np.array([-1,1,2]) relu_function(x)